【技术实现步骤摘要】
本专利技术涉及深度学习和生物信息学的，尤其是指一种基于图神经网络与对比学习的自动基因功能预测系统。
技术介绍
1、随着高通量实验技术的快速发展，人们如今能够在基因组规模上探索和理解生物体内的相互作用网络，这些生物网络数据封装了大量的生物信息，对于扩展和完善研究人员对基因和蛋白质功能的知识至关重要。通过对生物网络数据的深入理解，不仅有助于研究者全面掌握基因或蛋白质在特定生物过程中的作用，包括它们之间的物理或遗传相互作用，以及它们与各种疾病的关联，而且对于推动生物学研究和转化医学的进步也具有重要意义。
2、然而，由于通过传统生物实验方法详尽地描述这些复杂的基因或蛋白质功能需要耗费大量的人力、物力以及时间。因此，通过计算的方法来实现自动基因功能预测成为一个热门的研究领域。这种方法不仅能够帮助研究者更高效地理解生物系统的复杂性，而且还为指导后续的实验研究提供了有力的工具。
3、目前的自动基因功能预测方法主要分为两类：1)基于传统机器学习方法的系统：将多个生物网络数据融合为一个网络数据，而后利用图预测方法进行后续的基因功能...
【技术保护点】
1.一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，所述数据导入模块包括数据加载模块和数据预处理模块，其中：
3.根据权利要求1所述的一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，所述数据增强模块针对每个输入的生物网络数据，以60％的几率随机删除边，并以15％的几率随机增加边来生成扰动的网络数据，对于第m个生物网络数据Am,m∈{M}，其中M为数据导入模块加载的生物网络数据的数量，{M}代表1,2,...,M构成的集...
【技术特征摘要】
1.一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，所述数据导入模块包括数据加载模块和数据预处理模块，其中：
3.根据权利要求1所述的一种基于图神经网络与对比学习的自动基因功能预测系统，其特征在于，所述数据增强模块针对每个输入的生物网络数据，以60％的几率随机删除边，并以15％的几率随机增加边来生成扰动的网络数据，对于第m个生物网络数据am,m∈...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。